Nonparametric Bounds in Causal Mediation Analysis in the Presence of Unmeasured Confounding and Imperfect Compliance
未测混杂与不完全依从下因果中介分析的非参数界AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究中介因果效应、工具变量、不依从及非参数部分识别。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
未测混杂与不完全依从下因果中介分析的非参数界
- 研究问题
- 随机试验同时存在中介与结果之间的混杂及处理不依从时，平均因果中介效应和自然直接效应还能获得哪些识别信息？
- 方法与思路
- 作者将既有中介效应界扩展至处理分配作为工具变量的不依从试验，并建立依从者子群局部因果参数的非参数界。
- 材料陈述的贡献
- 摘要称扩展自然直接效应及平均因果中介效应的界，得到局部参数的锐界，并通过求职干预随机试验展示用途。
- 阅读关注点
- 应核对全体与依从者参数的定义、工具变量及单调性等限制，以及锐界构造、可达性证明和样本估计的不确定性处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未获确认；摘要未完整列出新结果所需假设，也不能把部分识别界解释为点识别。
原文摘要
The average causal mediation effect (ACME) and the natural direct effect (NDE) are two parameters of primary interest in causal mediation analysis. However, the two causal parameters are not identifiable from randomized experimental data in the presence of outcome-mediator confounding and treatment-assignment noncompliance. Sjölander (2009) addressed the partial identification issue and derived nonparametric bounds of the NDE in randomized controlled trials under a set of monotonicity assumptions based on the Balke-Pearl algorithm. These bounds provide partial information on the parameters and can be used for sensitivity analysis. In this paper, we extend Sjölander's bounds on the NDE as well as the ACME to randomized controlled trials in the presence of noncompliance when the treatment assignment serves as an instrumental variable. Nonparametric sharp bounds for the local causal parameters defined on the subpopulation of treatment-assignment compliers are also established. We demonstrate the practical usefulness of the proposed upper and lower bounds through an application to the randomized experimental dataset on Job Search Intervention Study.